論文の概要: Autonomous optimization of nonaqueous battery electrolytes via robotic experimentation and machine learning

• arxiv url: http://arxiv.org/abs/2111.14786v1
• Date: Tue, 23 Nov 2021 00:15:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-06 01:24:08.693981
• Title: Autonomous optimization of nonaqueous battery electrolytes via robotic experimentation and machine learning
• Title（参考訳）: ロボット実験と機械学習による非水電池電解質の自動最適化
• Authors: Adarsh Dave, Jared Mitchell, Sven Burke, Hongyi Lin, Jay Whitacre and Venkatasubramanian Viswanathan
• Abstract要約: 本研究では,非水系電解質の効率的な最適化のために,ロボット工学と機械学習を結合した新しいワークフローを提案する。 と呼ばれるカスタムビルドの自動化実験は、ベイズ最適化ベースの実験プランナーであるDragonflyと結合されている。 Clioは、単塩三成分系溶媒設計空間上での電解質導電率を自律的に最適化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we introduce a novel workflow that couples robotics to machine-learning for efficient optimization of a non-aqueous battery electrolyte. A custom-built automated experiment named "Clio" is coupled to Dragonfly - a Bayesian optimization-based experiment planner. Clio autonomously optimizes electrolyte conductivity over a single-salt, ternary solvent design space. Using this workflow, we identify 6 fast-charging electrolytes in 2 work-days and 42 experiments (compared with 60 days using exhaustive search of the 1000 possible candidates, or 6 days assuming only 10% of candidates are evaluated). Our method finds the highest reported conductivity electrolyte in a design space heavily explored by previous literature, converging on a high-conductivity mixture that demonstrates subtle electrolyte chemical physics.
• Abstract（参考訳）: 本研究では,非水電池電解質の効率的な最適化のために,ロボット工学と機械学習を結合した新しいワークフローを提案する。 と呼ばれるカスタムビルドの自動化実験は、ベイズ最適化ベースの実験プランナーであるDragonflyと結合されている。 Clioは、単塩三元溶媒設計空間上での電解質伝導率を自律的に最適化する。 このワークフローを用いて、2つの作業日と42の実験で6つの高速電解質を同定した(1000の候補を徹底的に探索する60日、または10%の候補が評価されていると仮定すると6日)。 本手法は, 微妙な電解質化学物理を実証した高導電性混合物を用いて, 過去の文献で深く研究された設計空間における最も高い導電性電解質を示す。

関連論文リスト

• Predicting ionic conductivity in solids from the machine-learned potential energy landscape [68.25662704255433]
  超イオン材料は、エネルギー密度と安全性を向上させる固体電池の推進に不可欠である。 このような物質を同定するための従来の計算手法は資源集約的であり、容易ではない。 普遍的原子間ポテンシャル解析によるイオン伝導率の迅速かつ確実な評価手法を提案する。
  論文  参考訳（メタデータ） (2024-11-11T09:01:36Z)
• Improving Electrolyte Performance for Target Cathode Loading Using Interpretable Data-Driven Approach [1.6333646796408297]
  本研究では, 新規なハロゲン間電池の高性能な電解質の定式化を実現するために, データ駆動方式を用いる。 各種電解質組成と活性陰極負荷を用いた実験データセットを用いて,グラフに基づくディープラーニングモデルを訓練する。 トレーニングされたモデルは、ターゲット陰極負荷時のバッテリ容量を高めるために、電解質製剤組成物をさらに最適化するために使用される。
  論文  参考訳（メタデータ） (2024-09-03T15:33:25Z)
• COEFF-KANs: A Paradigm to Address the Electrolyte Field with KANs [5.759388420139191]
  液体電解質の組成に基づいてクーロン効率(CE)を自動的に予測する新しい手法を提案する。 得られた電解質の特徴を多層パーセプトロンまたはコルモゴロフ・アルノルドネットワークに入力してCEを予測する。 実世界のデータセットを用いた実験結果から,本手法はCE予測のためのSOTAを全ベースラインと比較した結果を得た。
  論文  参考訳（メタデータ） (2024-07-24T14:45:25Z)
• Differentiable Modeling and Optimization of Battery Electrolyte Mixtures Using Geometric Deep Learning [0.3141085922386211]
  本研究では, 化学混合物の幾何学的深層学習モデルDiffMixを開発し, ロボット実験の指導に応用する。 DiffMixの予測精度とモデルロバスト性は、純粋にデータ駆動型よりも向上した。 ロボット実験装置であるClioでは,10段階以内の電解質のイオン伝導率を18.8%以上向上させる。
  論文  参考訳（メタデータ） (2023-10-03T22:26:38Z)
• Toward High-Performance Energy and Power Battery Cells with Machine Learning-based Optimization of Electrode Manufacturing [61.27691515336054]
  本研究では,所望のバッテリ適用条件に対する高性能電極の課題に対処する。 本稿では、電気化学性能の2目的最適化のための決定論的機械学習(ML)支援パイプラインによって支援される強力なデータ駆動アプローチを提案する。 以上の結果から,スラリー中の固形物の中間値とカレンダリング度を併用した高活性物質が最適電極となることが示唆された。
  論文  参考訳（メタデータ） (2023-07-07T13:48:50Z)
• A machine-learning-based tool for last closed magnetic flux surface reconstruction on tokamak [58.42256764043771]
  トカマク装置による核融合発電は、クリーンエネルギーの持続可能な供給源として最も有望な方法の1つである。 トカマクの主な課題は、アクチュエータコイルと内部トカマクプラズマの相互作用によって決定される最後の閉じた磁束面(LCFS)を予測することである。 本研究では,実験データから自動的に学習する実験用超電導トカマク(EAST)からLCFSを再構築する機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2022-07-12T17:15:29Z)
• CellDefectNet: A Machine-designed Attention Condenser Network for Electroluminescence-based Photovoltaic Cell Defect Inspection [67.99623869339919]
  太陽電池の視覚検査で業界が直面している大きな課題は、現在人間の検査員が手動で行っていることである。 本研究では,機械駆動設計探索により設計した高効率アテンションコンデンサネットワークであるCellDefectNetを紹介する。 発光画像を用いた太陽電池セルの多様性を示すベンチマークデータセット上で,セルデフェクトネットの有効性を実証した。
  論文  参考訳（メタデータ） (2022-04-25T16:35:19Z)
• Evaluating feasibility of batteries for second-life applications using machine learning [0.0]
  本稿では,引退した電気自動車電池の迅速な評価を可能にするための機械学習技術の組み合わせについて述べる。 提案アルゴリズムは,利用可能なバッテリ電流と簡易な統計値を用いた電圧測定から特徴量を生成する。 相関分析を用いて特徴を選択し、ランク付けし、バッジによって強化されたガウスプロセス回帰を採用する。
  論文  参考訳（メタデータ） (2022-03-08T18:07:33Z)
• Online Preconditioning of Experimental Inkjet Hardware by Bayesian Optimization in Loop [62.997667081978825]
  インクジェットプリンタから堆積した液滴構造を最適化するためのコンピュータビジョン駆動ベイズ最適化フレームワークを開発する。 フレームワークを用いて,最適インクジェットハードウェア条件の収束を10分で示す。
  論文  参考訳（メタデータ） (2021-05-06T17:46:16Z)
• Reservoir engineering with arbitrary temperatures for spin systems and quantum thermal machine with maximum efficiency [50.591267188664666]
  貯留層工学は、量子情報科学と量子熱力学にとって重要なツールである。 この手法を用いて、任意の(有効)負および正の温度の貯水池を単一スピン系に設計する。
  論文  参考訳（メタデータ） (2020-01-28T00:18:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。